用途：这是上下文工程（Context Engineering）的入门技能，用于设计或修改智能体系统、排查与上下文相关的异常行为、优化 token 成本与性能，以及向团队介绍相关概念。
主要能力：把上下文视为有限的注意力预算，而非存储容器。核心原则包括：只保留对当前决策有用的信息；把关键约束放在上下文开头和结尾（中间存在“lost-in-the-middle”效应）；用渐进式披露按需加载技能与文档；把上下文整理当作持续过程。内容覆盖系统提示、工具定义、检索文档、消息历史、工具输出五类组件，并讨论注意力预算、位置编码限制、上下文质量与数量的取舍。
使用方式：系统提示用 XML 标签或 Markdown 标题分区（背景、指令、工具指引、输出格式），指令高度保持“启发式”而非硬编码；工具描述回答“做什么、何时用、返回什么”，并保持工具集精简；检索文档保留轻量标识符（如文件路径）做即时加载，按语义边界分块；消息历史定期压缩，用摘要替换过时工具输出；工具输出采用观察掩码，仅保留最近访问内容。开发中按组件分配预算，在 70-80% 利用率时触发压缩；子智能体返回 1000-2000 token 的压缩摘要。
适用场景：智能体架构设计、上下文调试、成本优化、团队培训、设计评审。
限制与注意：标称窗口不等于有效容量，通常按 60-70% 估算；字符数估算 token 会漂移，应使用实际分词器；工具 schema 经 JSON 序列化后膨胀 2-3 倍；长循环中消息历史会悄然膨胀；关键指令不要放在中间；渐进式披露若加载过早会失去意义。文中未提供具体收费、价格或平台信息。